Python气象数据处理与绘图：纬高图的另一种思路

气海无涯

前言

有些时候为了研究不同高度上气象要素之间的联系，纬度-高度作为xy轴的图在一些SCI论文中比较常见。这是我研究的CMIP6数据中ua,va,wap,ta这几个气象要素在纬度-高度图上的不同。读取数据的地方就略去了，需要注意的是需要进行平均，温度转为摄氏度。

#W,V为垂直方向和纬向的速度
 W=W.wap.mean(("lon", "time",),keep_attrs=True,skipna=True)*100
 V=V.va.mean(("lon", "time",),keep_attrs=True,skipna=True)
 T_c=T_all.ta-274.15
 T=T_c.mean(("lon", "time",),keep_attrs=True,skipna=True)
 # 这时数据格式为(plevel,lat)的格式

数据的x轴为lat，y轴为plev。理解了数据的格式后，转换一下思路就可以画图。

画图，因为垂直和纬向上风速的量级差的有点大，所以我对这两个风速进行了均一化的处理。这样箭头就一样大了。

操作

plot=ax.contourf(V.lat, V.plev, V,levels=np.arange(-0.06,0.06+0.01,0.01),
                cmap=cmaps.GMT_panoply,
                extend='both'
             # pivot='middle', 
cb=fig.colorbar(plot,ax=ax,orientation="horizontal", shrink=0.8,aspect=30,pad=0.1,)
cb.ax.tick_params(labelsize='14')

以上是V风的垂直填色图，下面叠加风矢量图，间隔取数值，不然箭头太密集。

  x=W.lat[::5]       #间隔取数值，不然箭头太密集
    y=W.plev
    u=V[:,::5]
    v=W[:,::5]
    u_norm = u / np.sqrt(u ** 2.0 + v ** 2.0)
    v_norm = v / np.sqrt(u ** 2.0 + v ** 2.0)
    # 为什么要加符号，是因为反转y轴的时候，箭头方向不会反转，所以要加符号
    ax.quiver(x, y, u_norm, -v_norm,
              #pivot='middle', 
    ax.set_xticks([-90,-75,-50,-25,0,25,50,75,90])
    ax.set_xticklabels([r'90$^\degree$S',r'75$^\degree$S',r'50$^\degree$S',r'25$^\degree$S',r'0$^\degree$',
                        r'25$^\degree$N', r'50$^\degree$N',r'75$^\degree$N', r'90$^\degree$N'])
    ax.set_ylim(100*100,1000*100)
    #绘制温度等值线,将负轮廓设置为实线而不是虚线
    plt.rcParams['contour.negative_linestyle'] = 'solid'
    CS=ax.contour(T.lat,T.plev,T,30,
                     colors='k',)